[論文レビュー] Decentralised Norm Monitoring in Open Multi-Agent Systems

Natasha Alechina, Joseph Y. Halpern+2 more|arXiv (Cornell University)|Feb 22, 2016

Auction Theory and Applications参考文献 23被引用数 4

ひとこと要約

本稿では、スクリプ報酬を用いた分散型規範監視メカニズムを提案する。エージェントは自ら規範違反を監視し、仮想トークンで報酬を得る。偶然の状況では均衡において完全な執行が達成可能であり、戦略的状況では規範違反の確率を任意に小さくできる。シミュレーションにより、1,000エージェントのシステムですら、安定なトークン分配への迅速な収束が確認された。

ABSTRACT

We consider the problem of detecting norm violations in open multi-agent systems (MAS). We show how, using ideas from scrip systems, we can design mechanisms where the agents comprising the MAS are incentivised to monitor the actions of other agents for norm violations. The cost of providing the incentives is not borne by the MAS and does not come from fines charged for norm violations (fines may be impossible to levy in a system where agents are free to leave and rejoin again under a different identity). Instead, monitoring incentives come from (scrip) fees for accessing the services provided by the MAS. In some cases, perfect monitoring (and hence enforcement) can be achieved: no norms will be violated in equilibrium. In other cases, we show that, while it is impossible to achieve perfect enforcement, we can get arbitrarily close; we can make the probability of a norm violation in equilibrium arbitrarily small. We show using simulations that our theoretical results hold for multi-agent systems with as few as 1000 agents---the system rapidly converges to the steady-state distribution of scrip tokens necessary to ensure monitoring and then remains close to the steady state.

研究の動機と目的

• 中央集権的監視が不可能で、エージェントの移動性やIDの変更により罰金が実行不能であるオープンなマルチエージェントシステムにおける規範執行の課題に対処すること。
• 外部の執行や罰金に依存せず、エージェントが自発的に他のエージェントの規範違反を監視する動機を生み出すインcentive-compatibleなメカニズムを設計すること。
• エージェントが利得最大化のために意図的に規範違反を選択する可能性があるとしても、均衡において規範違反が最小限に抑えられ（理想では完全に排除され）、その実現を保証すること。
• 団結に対して耐性があり、監視行動を継続的に維持する安定したスクリプトークン分配にエージェントが収束することを保証すること。
• 理論的結果をシミュレーションにより検証し、1,000エージェントのシステムですら、均衡への迅速な収束が確認されること。

提案手法

• コンテンツ投稿にトークンを消費し、違反検出で報酬を得るスクリプシステムを用いて、エージェントに他者を監視する動機を与える。
• しきい値戦略を用いる：エージェントは所持するトークン数が事前に定められた数未満である場合にのみ監視に参加し、これによりボランティアの安定したプールを確保する。
• 有限かつ再帰的で、周期的でなく、可逆なマルコフ連鎖モデルを用いて、エージェント間のトークン分配の確率的ダイナミクスを分析し、逆性と最大エントロピーの仮定により、安定な分布への収束を保証する。
• システムはm-レジリエントであるように設計されており、最大m人のエージェントの連携によっても利得が向上しないようにする。
• 罰金ではなく、サービス利用料（スクリプ）からインセンティブを導出するため、エージェントが新たなIDで再参加可能なオープンシステムでも運用可能である。
• 理論的分析により、戦略的状況下ではパラメータを調整することで、規範違反の確率を任意に小さくでき、ε-ナッシュ均衡が達成可能であることが示された。

実験結果

リサーチクエスチョン

• RQ1 罰金や中央集権的監視に依存せずに、オープンなマルチエージェントシステムにおける規範違反を防ぐことは可能か？
• RQ2 エージェントが新しいIDで退去・再参加が可能な状況において、互いに規範違反を監視する動機をどのように与えることができるか？
• RQ3 意図的かつ利得最大化を目的として規範違反を行うエージェントが存在する分散型システムで、完全な規範執行を達成することは可能か？
• RQ4 有限時間内に、監視インセンティブ（スクリプトークン）の安定な分配に収束するための条件は何か？
• RQ5 監視インセンティブを損なう目的で団結を試みるエージェントのグループに対して、このメカニズムはどの程度耐性があるか？

主な発見

• 偶然の状況（規範違反が意図的でない状況）では、完全な執行が達成可能である：十分な監視インセンティブのおかげで、均衡においては一切の違反が発生しない。
• 戦略的状況（エージェントが利得を得るために意図的に規範違反を行う可能性がある状況）では、完全な執行は不可能だが、違反の確率を任意に小さくできる（任意のε > 0 よりも小さい）。
• 1,000エージェントのシステムにおけるシミュレーションでは、スクリプトークンの分配が迅速に定常状態に収束し、時間経過とともに均衡に近い状態を維持する。
• このメカニズムはm-レジリエントであり、最大m人のエージェントの連携によっても利得が向上しないため、耐性がある。
• 理論的分析により、しきい値に基づく監視戦略がε-ナッシュ均衡を形成することが確認され、有限で、再帰的で、周期的でなく、可逆なマルコフ連鎖の性質により収束が保証される。
• トークン保有量の最大エントロピー分布により、多くのエージェント（γn）がしきい値未満のトークン保有状態にあり、継続的なボランティアのプールが維持される。